【数字的可视化：python画图之散点图sactter函数详解】

最近开始学习python编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下：

1、scatter函数原型

2、其中散点的形状参数marker如下：

3、其中颜色参数c如下:

4、基本的使用方法如下：

[python] view plain copy

print ?

1. #导入必要的模块  
2. import numpy as np  
3. import matplotlib.pyplot as plt  
4. #产生测试数据  
5. x = np.arange(1,10)  
6. y = x  
7. fig = plt.figure()  
8. ax1 = fig.add_subplot(111)  
9. #设置标题  
10. ax1.set_title('Scatter Plot')  
11. #设置X轴标签  
12. plt.xlabel('X')  
13. #设置Y轴标签  
14. plt.ylabel('Y')  
15. #画散点图  
16. ax1.scatter(x,y,c = 'r',marker = 'o')  
17. #设置图标  
18. plt.legend('x1')  
19. #显示所画的图  
20. plt.show()  

#导入必要的模块
import numpy as np
import matplotlib.pyplot as plt
#产生测试数据
x = np.arange(1,10)
y = x
fig = plt.figure()
ax1 = fig.add_subplot(111)
#设置标题
ax1.set_title('Scatter Plot')
#设置X轴标签
plt.xlabel('X')
#设置Y轴标签
plt.ylabel('Y')
#画散点图
ax1.scatter(x,y,c = 'r',marker = 'o')
#设置图标
plt.legend('x1')
#显示所画的图
plt.show()

结果如下：

5、当scatter后面参数中数组的使用方法，如s，当s是同x大小的数组，表示x中的每个点对应s中一个大小，其他如c，等用法一样，如下：

（1）、不同大小

[python] view plain copy

print ?

1. #导入必要的模块  
2. import numpy as np  
3. import matplotlib.pyplot as plt  
4. #产生测试数据  
5. x = np.arange(1,10)  
6. y = x  
7. fig = plt.figure()  
8. ax1 = fig.add_subplot(111)  
9. #设置标题  
10. ax1.set_title('Scatter Plot')  
11. #设置X轴标签  
12. plt.xlabel('X')  
13. #设置Y轴标签  
14. plt.ylabel('Y')  
15. #画散点图  
16. sValue = x*10  
17. ax1.scatter(x,y,s=sValue,c='r',marker='x')  
18. #设置图标  
19. plt.legend('x1')  
20. #显示所画的图  
21. plt.show()  

#导入必要的模块
import numpy as np
import matplotlib.pyplot as plt
#产生测试数据
x = np.arange(1,10)
y = x
fig = plt.figure()
ax1 = fig.add_subplot(111)
#设置标题
ax1.set_title('Scatter Plot')
#设置X轴标签
plt.xlabel('X')
#设置Y轴标签
plt.ylabel('Y')
#画散点图
sValue = x*10
ax1.scatter(x,y,s=sValue,c='r',marker='x')
#设置图标
plt.legend('x1')
#显示所画的图
plt.show()

（2）、不同颜色

[python] view plain copy

print ?

1. #导入必要的模块  
2. import numpy as np  
3. import matplotlib.pyplot as plt  
4. #产生测试数据  
5. x = np.arange(1,10)  
6. y = x  
7. fig = plt.figure()  
8. ax1 = fig.add_subplot(111)  
9. #设置标题  
10. ax1.set_title('Scatter Plot')  
11. #设置X轴标签  
12. plt.xlabel('X')  
13. #设置Y轴标签  
14. plt.ylabel('Y')  
15. #画散点图  
16. cValue = ['r','y','g','b','r','y','g','b','r']  
17. ax1.scatter(x,y,c=cValue,marker='s')  
18. #设置图标  
19. plt.legend('x1')  
20. #显示所画的图  
21. plt.show()  

#导入必要的模块
import numpy as np
import matplotlib.pyplot as plt
#产生测试数据
x = np.arange(1,10)
y = x
fig = plt.figure()
ax1 = fig.add_subplot(111)
#设置标题
ax1.set_title('Scatter Plot')
#设置X轴标签
plt.xlabel('X')
#设置Y轴标签
plt.ylabel('Y')
#画散点图
cValue = ['r','y','g','b','r','y','g','b','r']
ax1.scatter(x,y,c=cValue,marker='s')
#设置图标
plt.legend('x1')
#显示所画的图
plt.show()

结果：

（3）、线宽linewidths

[python] view plain copy

print ?

1. #导入必要的模块  
2. import numpy as np  
3. import matplotlib.pyplot as plt  
4. #产生测试数据  
5. x = np.arange(1,10)  
6. y = x  
7. fig = plt.figure()  
8. ax1 = fig.add_subplot(111)  
9. #设置标题  
10. ax1.set_title('Scatter Plot')  
11. #设置X轴标签  
12. plt.xlabel('X')  
13. #设置Y轴标签  
14. plt.ylabel('Y')  
15. #画散点图  
16. lValue = x  
17. ax1.scatter(x,y,c='r',s= 100,linewidths=lValue,marker='o')  
18. #设置图标  
19. plt.legend('x1')  
20. #显示所画的图  
21. plt.show()  

#导入必要的模块
import numpy as np
import matplotlib.pyplot as plt
#产生测试数据
x = np.arange(1,10)
y = x
fig = plt.figure()
ax1 = fig.add_subplot(111)
#设置标题
ax1.set_title('Scatter Plot')
#设置X轴标签
plt.xlabel('X')
#设置Y轴标签
plt.ylabel('Y')
#画散点图
lValue = x
ax1.scatter(x,y,c='r',s= 100,linewidths=lValue,marker='o')
#设置图标
plt.legend('x1')
#显示所画的图
plt.show()

                     注：  这就是scatter基本的用法。